Empilhar dados e encadear comandos com csvkit

Processamento de Dados no Shell

Susan Sun

Data Person

csvstack: empilhando vários arquivos CSV

csvstack: empilha as linhas de dois ou mais arquivos CSV

Documentação:

csvstack -h

usage: csvstack [-h] [-d DELIMITER] [-t] [-q QUOTECHAR] [-u {0,1,2,3}] [-b]
                [-p ESCAPECHAR] [-z FIELD_SIZE_LIMIT] [-e ENCODING] [-S] [-H]
                [-n GROUP_NAME] [--filenames]

csvstack: empilhando vários arquivos CSV

Empilhe dois arquivos semelhantes, Spotify_Rank6.csv e Spotify_Rank7.csv, em um só.

Pré-visualize os dados para conferir o esquema:

csvlook Spotify_Rank6.csv

| track_id               | popularity |
| ---------------------- | ---------- |
| 7JYCpIzpoidDOnnmxmHwtj |          6 |
| 0mmFibEg5NuULMwTVN2tRU |          6 |

csvstack: empilhando vários arquivos CSV

csvlook Spotify_Rank7.csv

| track_id               | popularity |
| ---------------------- | ---------- |
| 118GQ70Sp6pMqn6w1oKuki |          7 |
| 6S7cr72a7a8RVAXzDCRj6m |          7 |

csvstack: empilhando vários arquivos CSV

Sintaxe:

csvstack Spotify_Rank6.csv Spotify_Rank7.csv > Spotify_AllRanks.csv

csvlook Spotify_AllRanks.csv

| track_id               | popularity |
| ---------------------- | ---------- |
| 7JYCpIzpoidDOnnmxmHwtj |          6 |
| 0mmFibEg5NuULMwTVN2tRU |          6 |
| 118GQ70Sp6pMqn6w1oKuki |          7 |
| 6S7cr72a7a8RVAXzDCRj6m |          7 |

csvstack: empilhando vários arquivos CSV

csvstack -g "Rank6","Rank7" \ 
Spotify_Rank6.csv Spotify_Rank7.csv > Spotify_AllRanks.csv

csvlook Spotify_AllRanks.csv

| group | track_id               | popularity |
| ----- | ---------------------- | ---------- |
| Rank6 | 7JYCpIzpoidDOnnmxmHwtj |          6 |
| Rank6 | 0mmFibEg5NuULMwTVN2tRU |          6 |
| Rank7 | 118GQ70Sp6pMqn6w1oKuki |          7 |
| Rank7 | 6S7cr72a7a8RVAXzDCRj6m |          7 |

csvstack: empilhando vários arquivos CSV

csvstack -g "Rank6","Rank7" -n "source" \
Spotify_Rank6.csv Spotify_Rank7.csv > Spotify_AllRanks.csv

csvlook Spotify_AllRanks.csv

| source| track_id               | popularity |
| ----- | ---------------------- | ---------- |
| Rank6 | 7JYCpIzpoidDOnnmxmHwtj |          6 |
| Rank6 | 0mmFibEg5NuULMwTVN2tRU |          6 |
| Rank7 | 118GQ70Sp6pMqn6w1oKuki |          7 |
| Rank7 | 6S7cr72a7a8RVAXzDCRj6m |          7 |

encadeando comandos de linha de comando

; encadeia comandos e executa em sequência

csvlook SpotifyData_All.csv; csvstat SpotifyData_All.csv

&& encadeia comandos, mas só executa o 2º se o 1º tiver sucesso

csvlook SpotifyData_All.csv && csvstat SpotifyData_All data.csv

encadeando comandos de linha de comando

> redireciona a saída do 1º comando para o local indicado como 2º

in2csv SpotifyData.xlsx > SpotifyData.csv

encadeando comandos de linha de comando

| usa a saída do 1º comando como entrada do 2º

Exemplo:

A saída de csvcut não é bem formatada:

csvcut -c "track_id","danceability" Spotify_MusicAttributes.csv

track_id,danceability
118GQ70Sp6pMqn6w1oKuki,0.787
6S7cr72a7a8RVAXzDCRj6m,0.777
7h2qWpMJzIVtiP30E8VDW4,0.795
3KVQFxJ5CWOcbxdpPYdi4o,0.815

encadeando comandos de linha de comando

Exemplo (continuação):

Reformate a saída do csvcut canalizando-a como entrada para csvlook:

csvcut -c "track_id","danceability"  Spotify_Popularity.csv | csvlook

| track_id               | danceability |
| ---------------------- | ------------ |
| 118GQ70Sp6pMqn6w1oKuki |        0.787 |
| 6S7cr72a7a8RVAXzDCRj6m |        0.777 |
| 7h2qWpMJzIVtiP30E8VDW4 |        0.796 |
| 3KVQFxJ5CWOcbxdpPYdi4o |        0.815 |

Vamos juntar tudo!

Processamento de Dados no Shell